支持向量机（下）

回顾上节主要引出了最优间隔分类器的模型，并简述了支持向量的含义，接下来这节将围绕支持向量机模型及其优化方法SMO来展开。 最优间隔分类器模型的原始最优问题： 为了求解模型，得到它的对偶最优问题： 假设函数h(w,b)=g(wTx+b)为：   从而引出了核函数的重要概念，对于支持向量机的优化方法必不可少。 同时，在求解模型的过程中会遇到有离群值的干扰，需要对模型做出修正，提出软间隔的概念。    

>>阅读原文<<